主页 / coding / 问题 / 79067685
Accepted
deschen
Asked: 2024-10-09 04:22:16 +0800 CST

删除文本中第 n 次出现之后的所有字符串（包括第 n 次出现）

  • 772

我承认这些正则表达式问题之前已经被问过，但我仍然在努力寻找可行的解决方案（即使在咨询了 ChatGPT 之后）。

举以下例子：text <- c("test1", "test2 | ", "test3 | test3 | test 3", "test4 | test4 | test 4 | test4")我想删除从第 n 次（在我的情况下是第二次）出现“ | ”开始的所有文本。

因此输出应该是：output <- c("test1", "test2 | ", "test3 | test3", "test4 | test4")

当带有最多两个“|”文本时，我可以让它工作str_remove(text, "( \\| [^\\|]+$)")，但是这不适用于该匹配模式出现两次以上的情况。

3 个回答

  1. 一种解决方案可能是提取感兴趣的字符串，而不是删除不需要的部分。为此，您可以使用正则表达式匹配感兴趣的三种情况，按长度降序排列：[:graph:]+ \\| [:graph:]+、[:graph:]+ \\|或[:graph:]+。

    library(stringr)
str_extract(text, "^([:graph:]+ \\| [:graph:]+|[:graph:]+ \\||[:graph:]+)")
[1] "test1"         "test2 |"       "test3 | test3" "test4 | test4"
    • 1
  2. Best Answer

    您可以使用

    library(stringr)
n <- 2
str_replace(text, paste0("^(.*?(?: \\| .*?){", n-1, "}) \\| .*"), "\\1")

    在哪里

    • \| 是你的分隔符
    • .*?匹配任何文本（除换行符外，(?s)在模式开头添加以使其跨行匹配）
    • str_replace要求在删除匹配值后保留第一个组值。

    在线查看R 演示（这里是最终的正则表达式演示）。

    • 1

  3. 另一个想法是使用sub具有这种模式的基本 R 函数。

    output <- sub('^([^|]*\\|[^|]*?)\\s*\\|.*', '\\1', text)

    请参阅 regex101 上的此演示或tio.run 上的 R 演示

    所需部分由第一组捕获，该组也用作替换。消耗字符串的其余部分（将被删除）。 管道符号之间是除 之外的否定字符类字符。之前的惰性字符用于防止以空格结尾。.*| [^|]*?\s*|

    要将其调整为第 n 次出现，请将其替换[^|]*\\|为(?:[^|]*\\|){n}（regex101 demo with n=2）。如果由于缺乏对惰性量词的支持而无法正常工作（演示有效），请附上,perl=T。

    • 1

相关问题